科学智能面向科学计算、科研大模型、AI + 数理、AI + 材料、AI + 生物、计算科学、科学发现等方向，区别于通用人工智能，主打人工智能赋能自然科学、工程科学研究，融合机器学习、数值计算、科学建模、多物理场仿真、科学数据驱动建模。北大科学智能复试看重机器学习基础、数值计算、科学建模思路、AI 与传统仿真结合方案。复试差额比例不低于 120%，考核包含上机测试、专业笔试、综合面试、外语听说测试，最终考核安排以院系当年复试通知为准。
本方向复试考察范围涵盖机器学习、深度学习、数值分析、偏微分方程基础、数据驱动建模、Python 科学计算、科学数据处理、优化方法等板块。复试三大考察重心十分明确。第一，AI 基础理论。损失函数、优化算法、泛化能力、模型偏差方差。第二，科学计算根基。数值离散、误差分析、传统仿真求解思路。第三，科学建模范式。物理先验嵌入、数据与机理融合模型、模型可解释性。近年高频考题围绕 PINN、数据驱动建模、数值误差、科学数据集、AI 辅助反问题求解。
复试流程安排稳定有序。第一阶段等待院系发布复试名单、考核细则与材料清单，科学智能非常看重代码和科学建模能力，上机是重要筛选环节。第二阶段资格审查，提交学籍学历材料、成绩单、个人陈述、科研报告、代码项目材料等材料；有科学计算、AI + 材料 / 生物 / 流体建模、仿真复现经历的考生，梳理科学问题、机理假设、模型搭建、验证方式、误差来源，这是面试高频追问点。第三阶段上机测试，以科学计算代码、基础机器学习实现、数据处理为主。第四阶段专业笔试，题型包含推导简答、建模方案设计。第五阶段外语听说测试，话题偏向科学计算、AI for Science、数据驱动建模相关专业内容。第六阶段综合面试，简短自我介绍后抽题作答，考官追问物理先验引入方式、模型可信度、和传统仿真对比优劣，考察考生拒绝纯调包，理解科学模型的约束与可验证性。最后核算复试成绩，公示拟录取名单。
新祥旭科学智能复试辅导围绕 “夯实机器学习与数值计算基础、掌握机理 + 数据融合建模思路、建立科学验证思维” 搭建完整训练体系。入学摸底评估先找准短板：是数值分析薄弱、偏微分基础不足，或是只会通用深度学习，不懂科学问题建模，再定制个性化备考方案。其次搭建机器学习 + 科学计算双主线。然后开展科学智能专题集训，训练 “科学问题 — 机理方程 — 数据采集 — 模型融合 — 验证与误差分析” 的标准化分析链条。上机专项训练科学计算库、基础求解、数据清洗。笔试批改推导、建模方案题。面试全真模拟科研导向面试，深挖模型假设、验证缺陷。配套科学智能专业英语素材；全程督学跟进学习进度，定期答疑，同步梳理调剂备选方向。
考生备考高频疑问集中在几个方面。很多同学问科学智能和人工智能方向差别在哪？通用 AI 侧重图像、文本；科学智能侧重 AI 辅助科学发现，强调物理 / 生物机理约束。跨专业考生优先补数值分析、机器学习。还有考生疑惑前沿模型必须吃透吗？优先吃透数据驱动建模基础范式。面试对比方案，重点看模型是否满足物理约束、结果能否实验验证。
如有考研问题可以咨询 4000003363 或者微信 shuoedu，新祥旭考研咨询师将热情专业的解答您的考研问题。
